莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。     

W地区储层孔隙度地震预测技术及应用研究

在W地区,储层孔隙度预测技术是将支持向量机方法与分频法相结合构成一种新的地震非线性预测技术.支持向量机是一种基于统计理论的新型机器学习算法,它是建立输入与输出的一个隐形的映射关系,在我们的问题中,应用测井数据作为支持向量机的输入向量,通过支持向量机优选参数,对实际样本数据构造核函数,实现全局最优解.分频法采用短时快速傅利叶变换(SFFT)将地震数据进行时频转换,形成高分辨的分频数据体,作为独立的输入数据体,以提高储层孔隙度反演的分辨率和精度.因此,构成的这种联合预测技术,充分发挥了支持向量机和分频法的优势,这种全新的储层孔隙度预测技术适应储层地质参数高维非线性特点.依据建立的储层孔隙孔隙度预测技术,利用W地区实际地震数据形成的分频数据体和测井数据,对朱海组储层孔隙度进行了预测,获得了高分辨率和高精度储层孔隙度剖面和储层孔隙度数据体.在W地区,预测的朱海组储层孔隙度与测井孔隙度具有良好的一致性,其相关系数值为(0.816～0.945),平均值为0.882,因此,预测的储层孔隙度具有较高的可信度和准确率.在W地区成功应用表明,其方法技术具有通用性和较好的推广性,它的适用面广,预测效果好,易于实现,它将油气储层孔隙度预测推向一个新的发展水平.     

京津冀地区雁翎潜山带雾迷山组储层测井识别方法及应用

京津冀地区中低温地热资源丰富,地温梯度普遍大于2.5℃,碳酸盐岩储层埋深在3500m以浅,地热资源量大,具有良好的开发前景。京津冀地区雁翎潜山带雾迷山组储层属于多期构造和岩溶作用形成的碳酸盐岩缝洞型储层,储集空间复杂,测井识别较为困难。本文作者基于野外观察,结合岩芯、薄片、常规测井、物性数据分析等资料,对研究区雾迷山组碳酸盐岩储层特征进行了研究,将储层进一步划分为裂缝型、孔洞型、复合型和洞穴型4种类型,建立不同类型储层的测井识别标准,并运用决策树方法对研究区雾迷山组碳酸盐岩储层进行系统识别,提高储层预测效率,在前期数据的基础上,建立研究区孔隙度、渗透率模型,拟合效果较为理想。结果表明:研究区储层主要以裂缝型储层和复合型储层为主,孔洞型及洞穴型储层发育较少;基于决策树的储层类别方法识别正确率可达85%以上,数学模型得出的计算孔隙度相对误差为25%,计算渗透率误差在一个数量级以内,符合数据精度要求,结果较为可靠。     

机器学习方法在浅层滩坝相薄储层孔隙度预测中的应用——以准噶尔盆地车排子地区白垩系为例

准噶尔盆地车排子地区白垩系储层以滩坝相沉积为主,储层砂体薄,纵向变化快,孔隙度估算难度较大。基于Xgboost机器学习算法,根据取心井的岩心实测数据,结合其对应的测井数据,建立了测井孔隙度模型。结果表明,研究区对储层孔隙度影响较大的测井变量为自然伽马测井、声波测井、密度测井和冲洗带电阻率测井,其相关系数分别为0.38、0.42、0.28和0.32。基于特征测井数据,利用Xgboost算法预测的孔隙度与实测孔隙度吻合度较高,相关系数为0.92,均方差为0.20。此外,对近期钻探的新井储层孔隙度进行预测,结果表明孔隙度较高的井段与试油数据相吻合,从侧面反映了模型的可靠性。这一结果为研究区油气藏评价和后期油藏模型的建立提供基础数据,有利于提高研究区勘探的精度。同时,该模型也可用于类似滩坝相、砂体薄的沉积背景下储层孔隙度估算研究。     

鄂尔多斯盆地合水油田油藏储层特征建模分析

针对鄂尔多斯盆地合水油田区域油气资源开发的需求,建模分析鄂尔多斯盆地合水油田油藏储层特征,为油气资源勘探提供科学依据。以鄂尔多斯盆地合水油田庄211井区为例,通过测井数据确定油藏储层孔隙度与渗透率参数,建立三维地质模型,通过变差函数,获取油藏储层物性参数的空间分布特征。研究结果表明：该方法可有效建立庄211井区的三维地质模型;该井区的储层具备复合韵律特征,利于形成油藏;该井区储层渗透率具备非均匀质特征;渗透率为1.4 mD左右时,油藏开发效果最佳,即储层有效厚度的渗透率下限是1.4 mD,储层有效厚度的孔隙度下限为9%;当渗透率为1.1、1.2 mD时,油藏最终采收率最高的水平段为1 000 m,渗透率为1.3、1.4、1.5 mD时,油藏最终采收率最高的水平段为800 m,为后期油气资源开采提供科学依据。     

川东地区沙罐坪气田石炭系储集层特征及预测研究

沙罐坪气田石炭系黄龙组主要储集空间为孔隙和裂缝,属于碳酸盐岩低孔低渗型储层,其中,裂缝在改善储层渗透率方面发挥着重要的作用。以测并信息为基础,利用神经网络算法对该区未取芯井储层的孔隙度、渗透率、含水饱和度参数,以及裂缝发育程度进行了预测。使用误差统计法对储层参数预测模型效果进行了评价,其预测效果满足本区所需储层参数计算的精度要求,裂缝预测总体回判率达97．53％。证明了神经网络算法是在测井信息较少的情况下,预测储层的有效手段,为气田评价井、开发井的部署,储量计算及编制气田开发方案,提供了可靠的地质依据。     

基于神经网络模型的生物扰动碳酸盐岩储集层识别与孔隙度预测——以塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层为例

塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层非常发育,但利用常规测井数据识别生物扰动储集层发育段和准确预测孔隙度难度较大。本文在对研究区16口取芯井奥陶系岩芯上生物扰动区域扰动等级划分的基础上,通过岩性标定测井,优选常规测井参数,基于BP神经网络模型分别建立了适合研究区生物扰动碳酸盐岩储集层识别和孔隙度预测的模型,并对建立的模型进行了有效性检验。结果表明：① 选择自然电位、自然伽马、井径、深侧向电阻率、浅侧向电阻率、补偿中子和密度等常规测井数据作为生物扰动碳酸盐岩储集层识别模型输入层的参数值,生物扰动指数（Bioturbation Index, BI）作为输出结果;选取rprop、sigmoid symmetric和sigmoid stepwise函数分别作为训练函数、隐含层和输出层的激活函数,建立节点数为3、层数为3的神经网络识别模型,识别效果好,适用于研究区奥陶系生物扰动碳酸盐岩储集层的识别。② 选择自然电位、自然伽马、井径、声波、补偿中子和密度值等常规测井数据作为输入层的参数值,对应深度上岩芯柱塞孔隙度测试结果和利用孔隙度样品检验模型计算得出的孔隙度结果作为输出结果,选取incremental、gaussian和sigmoid分别作为训练函数、隐含层和输出层的激活函数,建立节点数为4,层数为3的生物扰动碳酸盐岩储集层孔隙度预测模型,预测效果良好,适用于研究区奥陶系生物扰动储集层孔隙度的预测。该研究对定量表征研究区生物扰动储层特性、储量估算、油藏描述和储层地质建模等具有重要的借鉴意义。     

基于神经网络模型的生物扰动碳酸盐岩储集层识别与孔隙度预测——以塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层为例

塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层非常发育,但利用常规测井数据识别生物扰动储集层发育段和准确预测孔隙度难度较大。本文在对研究区16口取芯井奥陶系岩芯上生物扰动区域扰动等级划分的基础上,通过岩性标定测井,优选常规测井参数,基于BP神经网络模型分别建立了适合研究区生物扰动碳酸盐岩储集层识别和孔隙度预测的模型,并对建立的模型进行了有效性检验。结果表明：① 选择自然电位、自然伽马、井径、深侧向电阻率、浅侧向电阻率、补偿中子和密度等常规测井数据作为生物扰动碳酸盐岩储集层识别模型输入层的参数值,生物扰动指数（Bioturbation Index, BI）作为输出结果;选取rprop、sigmoid symmetric和sigmoid stepwise函数分别作为训练函数、隐含层和输出层的激活函数,建立节点数为3、层数为3的神经网络识别模型,识别效果好,适用于研究区奥陶系生物扰动碳酸盐岩储集层的识别。② 选择自然电位、自然伽马、井径、声波、补偿中子和密度值等常规测井数据作为输入层的参数值,对应深度上岩芯柱塞孔隙度测试结果和利用孔隙度样品检验模型计算得出的孔隙度结果作为输出结果,选取incremental、gaussian和sigmoid分别作为训练函数、隐含层和输出层的激活函数,建立节点数为4,层数为3的生物扰动碳酸盐岩储集层孔隙度预测模型,预测效果良好,适用于研究区奥陶系生物扰动储集层孔隙度的预测。该研究对定量表征研究区生物扰动储层特性、储量估算、油藏描述和储层地质建模等具有重要的借鉴意义。     

普光地区碳酸盐岩储层孔隙类型测井识别及孔渗关系

普光地区长兴组和飞仙关组碳酸盐岩储层孔隙度与渗透率之间没有严格通用的数学关系,导致储层渗透率计算具有很大困难.通过对该地区测井资料、常规薄片、铸体薄片和岩心物性等资料进行分析,表明碳酸盐岩孔隙类型是影响孔渗关系的主要因素.基于常规测井资料构造出对孔隙结构比较敏感的测井特征:声波时差与密度比值和深浅侧向电阻率比值,可用于对该地区碳酸盐岩孔隙类型进行识别,再针对不同的孔隙类型建立相应的孔渗关系模型,用于计算该地区储层渗透率.实例资料处理结果表明,模型计算渗透率与岩心分析渗透率符合较好,且井间规律具有一致性,基于孔隙结构建立的储层孔隙度与渗透率模型能较好地确定储层渗透率.      

基于岩石物理模版的碳酸盐岩含气储层定量解释

笔者针对碳酸盐岩储层勘探开发面临的储层预测与流体识别难度大的问题,基于岩石物理理论,提出了一种对碳酸盐岩含气储层进行定量解释的方法:首先,综合碳酸盐岩地质和测井信息,以岩石物理理论为依据,实现了适用的碳酸盐岩岩石物理模型的构建;然后基于岩石物理模型优选出对孔隙度、含气饱和度较为敏感的参数λρ和μρ,构建能够反映储层孔隙度与含气饱和度的碳酸盐岩岩石物理模版;最后,将岩石物理模版与工区反演提取的参数相结合,确定储层分布范围,并对储层范围内孔隙度和含气饱和度数值进行了定量解释。实例分析表明,基于该模版定量解释得到的孔隙度和含气饱和度与实际地层孔隙度及产气结果基本一致,经验证碳酸盐岩岩石物理模版的可靠性和适用性较好。     

渤海湾盆地南堡地区碳酸盐岩内幕储层特征及测井识别

应用岩芯和成像测井资料对南堡地区碳酸盐岩潜山进行内幕储层的精细标定,在标定段内系统分析储层特征并划分储层类型,通过优选出的敏感测井参数建立识别函数,最终实现全井段内各类内幕储层的精细识别。结果表明:碳酸盐岩潜山内发育多套低孔-低渗的内幕储层。储层发育粒内溶孔、粒间溶孔、构造缝和溶蚀扩大缝等多种储集空间类型。依据储层评价标准将内幕储层划分为Ⅰ类、Ⅱ类和Ⅲ类。优选出内幕储层段的敏感测井参数包括密度值、浅侧向、双孔隙度差和双侧向电导率绝对差等4种。选取以上4个测井参数建立归一化加权识别函数,当函数值 0. 32时,解释为内幕储层段。经过预留的数据验证,该方法的识别平均准确率达88%,其中Ⅰ类储层识别精度最高,Ⅱ类储层次之,Ⅲ类储层再次。     

塔河油田奥陶系生物扰动型碳酸盐岩储集层特征及其孔隙度计算样本检验模型

塔河油田奥陶系一间房组和鹰山组生物扰动型碳酸盐岩储集层非常发育。在岩芯观测的基础上,通过薄片显微镜观测与柱塞孔隙度、渗透率分析,对研究区生物扰动型碳酸盐岩储集层宏、微观特征和成因机制进行了研究,并基于岩芯资料和常规测井数据提出了一种新的孔隙度计算样本检验模型。结果表明:1）研究区奥陶系生物扰动储集层在岩芯上多呈不规则状或绸带状分布的含油斑块,潜穴充填物以白云石为主,储集空间主要是晶间孔。随着生物扰动指数的增加,平均孔隙度呈先增大后减少趋势,平均渗透率则一直增大;2）在早—中奥陶世的沉积过程中,（古）生物在碳酸盐沉积物表面或内部建造了大量形态各异的潜穴,生物扰动使得潜穴充填物和围岩基质在成分、结构上出现差异,这些差异伴随着其后的成岩过程逐步增大,这对储集层的储、渗能力具有重要影响;3）在总结前人测井孔隙度计算方法的基础上,将生物扰动指数引入密度测井孔隙度计算模型中,提出了一种基于岩芯资料和常规测井数据的孔隙度计算样本检测检验模型,并用岩芯柱塞测试结果验证了该孔隙度计算模型的有效性和准确性;该模型弥补了现有常规孔隙度模型的不足,其计算产生的拟岩芯数据可为下一步建立的通用生物扰动碳酸盐岩储集层孔隙度计算模型提供可靠的样本训练数据,也对这类储层的储量估算与油藏描述有一定的借鉴意义。     

Evaluating distribution pattern of petrophysical properties and their monitoring under a hybrid intelligent based method in southwest oil field of Iran

This study deals with reservoir characterization based on well log data using an unsupervised self-organizing map (SOM) and supervised neural network algorithms with the aim of clustering log responses into reservoir facies of an oil field located in southwest of Iran. In order to promote and justify the quality control and quantify spatial relationships for petrophysical properties, some of neural network-based approaches were introduced such as the SOMs as the intelligent clustering method compared with other hybrid methods, principal component analysis networks (PCANs) and multilayer perceptron (MLP) and statistical clustering (CA) methods. The results obtained from all the abovementioned methods are compared to each other, and the best option is selected based on accuracy and capabilities of clustering and estimation of the petrophysical data, concluding that for predicting any characteristic of the reservoirs, the appropriate network should be chosen and a unique network cannot be convenient for all of them. Accordingly, the SOM clustering technique was employed to classify the reservoir rocks. Based on the SOM visualization, the reservoir rocks were classified into six facies associated with specific petrophysical properties; among them, F6 expressed the best reservoir quality which is characterized by the low amount of density, highest DT, high amount of neutron porosity (NPHI), and lowest GR response. Ultimately, the performance of all the methods was compared to estimate the porosity and permeability within each facies. The results revealed the preference and reliability of PCAN in predicting porosity and confirmed the capability of MLP in permeability prediction. This study also indicates that neuro-prediction of formation properties using well log data is a feasible methodology for optimization of exploration programs and reduction of expenditure by delineating potentially oil-bearing strata with higher accuracy and lower expenses. The resulting neural net-based model can be used as a powerful and distributive system to reduce the high impact of risk in similar fields.     

普光气田礁滩相复杂孔隙类型储集层渗透率地震预测方法*

礁滩相碳酸盐岩储集层孔隙类型多样,孔—渗关系复杂,由于缺少相应的岩石物理模型,储集层渗透率地震预测一直是一个难题。作者以普光气田为例,通过分析复杂孔隙类型对储集层渗透率的控制作用及不同孔隙类型储集层在常规测井和声学测井上的响应特征,引入反映孔隙形态和连通性的 “孔构参数”表征相似孔隙度样品的岩石物理参数变化;进而建立基于孔构参数的孔隙类型判别标准和不同孔隙类型储集层孔—渗关系模型,对储集层测井渗透率进行精细解释和评价;并通过分析不同孔隙类型储集层的弹性参数与孔构参数的关系,建立起基于孔构参数的岩石物理量版;采用叠前统计学反演方法首先开展孔隙度、孔构参数的地震反演,进一步开展基于孔隙度和孔构参数的渗透率地震反演,实现了复杂孔隙类型储集层渗透率的定量预测。     

四川盆地西南部雷口坡组储层特征及控制因素

四川盆地西南部中三叠统雷口坡组气藏主要的储层类型为碳酸盐颗粒滩储层。其主要发育两种储渗形式：砂屑云岩储层以残余粒间孔和粒间溶孔为储集空间,喉道以缩颈喉道和管束状喉道为主,孔喉配置关系较好,储层多表现为中孔中渗的特征;鲕粒灰岩储层和残余生屑云岩储层以粒内溶孔、铸模孔和生物体腔孔为储集空间,喉道欠发育,储层多表现为中孔、渗透率偏低的特征。进一步对储层的控制因素分析表明,颗粒滩为储层提供了早期的物质来源;单滩体的厚薄控制着储层的储渗形式;原生粒间孔的保存和同生期大气淡水淋溶作用分别是形成这两种储渗形式的颗粒滩储层的关键。     

碳酸盐岩储层测井评价方法

从碳酸盐岩储层类型划分、储层参数表征、流体性质判别到数学方法的应用等4个方面,系统总结厘定了国内外碳酸盐岩储层测井评价的方法技术,通过对比分析各种评价方法可知:根据一定的数学算法,综合利用常规测井和成像测井不仅能很好地识别储层类型,而且能实现对储层参数的半定量、定量计算评价。利用常规测井和测井新技术资料(电测井和声波测井)计算出缝洞储层的各项物性参数,在此基础上,结合常规测井、核磁共振测井和偶极横波测井能进一步判别出流体性质。通过与岩心分析结果比较,该储层参数计算方法不仅有效,而且简单可行。数学算法和测井新技术资料在复杂碳酸盐岩储层评价中发挥不可替代的作用,能解决复杂碳酸盐岩储层的计算评价问题。以碳酸盐岩储层特征及流体性质为切入点,结合各种地质、地震和测井资料,借助数学算法,准确地识别储层类型与判别流体性质,并精确求解碳酸盐岩储层特别是缝洞储层的物性参数,将是碳酸盐岩储层测井评价的重点及发展方向。     

Quantitative characterization of shale gas reservoir properties based on BiLSTM with attention mechanism

Evaluating the potential of shale gas reservoirs is inseparable from reservoir properties prediction. Accurate characterization of total organic carbon, porosity and permeability is necessary to understand shale gas reservoirs. Seismic data can help to estimate these parameters in the area crossing-wells. We develop an improved deep learning method to achieve shale gas reservoir properties estimation. The relationship between elastic attributes and reservoir properties is built up by training a deep bidirectional long short-term memory network, which is suitable for time/depth sequence prediction, on the logging and core data. Except some commonly used technologies, such as layer normalization and dropout, we also introduce attention mechanism to further enhance the prediction accuracy. Besides, we propose to carry on the normal scores transform on the input features, which aims to make the relationship between inputs and targets clear and easy to learn. During the training process, we construct quantile loss function, then use Adam algorithm to optimize the network. Not only the characterization results, but also the confidence interval can be output that is meaningful for uncertainty analysis. The well experiment indicates that the method is promising for reducing prediction errors when training samples are insufficient. After analyzing in wells, the established model is acted upon seismic inverted elastic attributes to characterize shale gas reservoirs in the whole studied area. The estimation results coincide well with the actual development results, showing the feasibility of the novel method on the characterization for shale gas reservoirs.     

Logging evaluation of deep multi-type unconventional gas reservoirs in the Songliao basin,northeast China: Implications from continental scientific drilling

Multi-type unconventional gas-bearing reservoirs with different lithologies and gas accumulation potential occur in the deep part of the Songliao basin. However, the reservoirs are non-homogeneous, the gas components differ substantially, and not all types of gas-bearing reservoirs have been identified or evaluated. The International Continental Scientific Drilling Program (ICDP) is used as an example to conduct qualitative and quantitative evaluations of deep multi-type unconventional gas-bearing reservoirs using conventional and specialized logging data. The core test data are used to determine the physical properties. The porosity and permeability are compared and analyzed using different methods and models. The results show that the reservoirs have low to ultra-low porosity and ultra-low permeability. Based on the comparison of the rock mechanical parameters and mineral composition, brittleness evaluation parameters are proposed for different types of deep reservoirs in the study region. The mineral brittleness index is highly consistent with the brittleness index based on rock mechanics. An identification method for deep multi-type gas-bearing reservoir and a classification approach for different gas properties are established based on the logging response and parameter interpretation. The methane gas reservoirs have low density (DEN) and low compensated neutron logging (CNL) values and high acoustic (AC) time difference and high resistivity (RT) values. The CO₂ gas reservoirs have lower RT values and higher CNL values than the hydrocarbon gas reservoirs. The comprehensive analysis of deep gas source rock conditions and of the source-reservoir relationship provides insights for the evaluation of deep multi-type unconventional gas reservoirs. The discovery of high hydrogen content is of significant importance for developing new areas for deep natural gas exploration.     

Vertical resolution enhancement of petrophysical Nuclear Magnetic Resonance (NMR) log using ordinary kriging

Nuclear Magnetic Resonance (NMR) logging provides priceless information about hydrocarbon bearing intervals such as free fluid porosity and permeability. This study focuses on using geostatistics from NMR logging instruments at high depths of investigation to enhance vertical resolution for better understanding of reservoirs. In this study, a NMR log was used such that half of its midpoint data was used for geostatistical model construction using an ordinary kriging technique and the rest of the data points were used for assessing the performance of the constructed model. This strategy enhances the resolution of NMR logging by twofold. Results indicated that the correlation coefficient between measured and predicted permeability and free fluid porosity is equal to 0.976 and 0.970, respectively. This means that geostatistical modeling is capable of enhancing the vertical resolution of NMR logging. This study was successfully applied to carbonate reservoir rocks of the South Pars Gas Field.